BenchLeader

AA Intelligence Index v4.3.2 排行榜

最终分数前 5 名得分BL Index
  1. 1Claude Opus 5.5每百万 token $8.0057.668.4
  2. 2Claude Sonnet 5.5每百万 token $4.005664.2
  3. 3Muse Wonder Full未列出价格55.861.7
  4. 4Kimi K3.1 Pro每百万 token $4.0055.161.8
  5. 5Claude Fable 5.1每百万 token $20.0053.466.7
这是什么
Artificial Analysis 的上一版综合分数,冻结在 2026年10月27日 v4.3.2 的最终分数。5.0 版换用了不同的测试,两者不可比较。
与 BenchLeader Index 的区别
这是单一发布方自己的测试。BenchLeader Index 综合了来自 48 家发布方的 78 项第三方基准测试,对每种推理设置分别评分,并且不纳入这一综合分数,以免同一项测试被重复计算。

截至 2026年11月16日,AA Intelligence Index v4.3.2 的最高分为 57.6,由 Claude Opus 5.5(Anthropic)取得,领先于 Claude Sonnet 5.5(56)。共有 643 个模型配置公布了结果(Artificial Analysis,结果日期 2026年9月22日)。Artificial Analysis 的 Intelligence Index v4.3.2:由其自行运行的评测组成的综合指标,包括 GPQA Diamond、Humanity's Last Exam、IFBench、AA-LCR、τ²-Bench Telecom、Terminal-Bench Hard、SciCode 和 AA-Omniscience,每项都在固定的测试框架中运行。AA Intelligence Index v4.3.2 仅作参考展示,不计入 BenchLeader Index。

要点(截至 2026年11月16日)

  • Claude Opus 5.5 以 57.6 保持 AA Intelligence Index v4.3.2 最高分(Artificial Analysis,2026年9月22日)。
  • Claude Sonnet 5.5 以 56 位列 AA Intelligence Index v4.3.2 第二(Artificial Analysis,2026年9月28日)。
  • AA Intelligence Index v4.3.2:Artificial Analysis 基于自家评测(GPQA、HLE、IFBench、LCR、τ²-Bench、Terminal-Bench Hard、SciCode、AA-Omniscience 等)的综合分数,冻结在 v4.3.2 最后公布的分数(2026年10月27日)。取而代之的 v5.0 构成不同,两者不可比较(Artificial Analysis)。
  • BenchLeader 上有 643 个模型配置公布了 AA Intelligence Index v4.3.2 结果(BenchLeader,2026年11月16日)。
  • AA Intelligence Index v4.3.2 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。

Artificial Analysis 基于自家评测(GPQA、HLE、IFBench、LCR、τ²-Bench、Terminal-Bench Hard、SciCode、AA-Omniscience 等)的综合分数,冻结在 v4.3.2 最后公布的分数(2026年10月27日)。取而代之的 v5.0 构成不同,两者不可比较。

发布方
Artificial Analysis
类别
综合
Index 权重
仅作参考
模型
643
数据截至
2026年11月16日

Source: Artificial Analysis (artificialanalysis.ai). Data taken from the public leaderboard.

该排行榜已冻结。如今沿用这个名称的是另一项较新的测试,其分数见 AA Intelligence Index v5.0.1。

测试内容

Artificial Analysis 的 Intelligence Index v4.3.2:由其自行运行的评测组成的综合指标,包括 GPQA Diamond、Humanity's Last Exam、IFBench、AA-LCR、τ²-Bench Telecom、Terminal-Bench Hard、SciCode 和 AA-Omniscience,每项都在固定的测试框架中运行。

评分方式

各组成部分分数的等权平均,采用 Artificial Analysis 的 0 到 100 尺度。冻结在 v4.3.2 最后公布的分数(2026 年 10 月 27 日)。仅供参考;BenchLeader 使用的是各组成部分,而不是这个综合分。

注意事项

Artificial Analysis 已用成员不同、尺度也不同的 Index v5.0 取而代之,并停止发布 v4.3.2 分数,所以未在 v5.0 下重新运行的模型只有这里的分数。其中许多数值是 AA 自己的估计,而不是完整运行的结果。

643 / 643
#
1Claude Opus 5.5max57.668.42026-09-22
2Claude Sonnet 5.5max5664.22026-09-28
3Claude Opus 5.5xhigh56.065.42026-09-22
4Muse Wonder Fullmax55.861.72026-10-12
5Kimi K3.1 Pro55.161.82026-10-23
6Claude Opus 5.5high53.666.02026-09-22
7Claude Fable 5.1max53.466.72026-09-01
8Claude Fable 5.1xhigh53.264.62026-09-01
9GPT-6 Astramax52.767.32026-09-03
10Gemini 4 Argonhigh52.665.32026-09-30
11GPT-6 Astraxhigh52.466.02026-09-03
12Muse Wondermax52.460.82026-10-12
13Claude Sonnet 5.5xhigh51.962.52026-09-28
14GPT-6.1 Solmax51.866.62026-09-29
15Claude Opus 5.5medium51.261.22026-09-22
16Claude Fable 5.1high51.163.72026-09-01
17GPT-6.1 Solxhigh51.063.62026-09-29
18GPT-6 Astrahigh50.966.32026-09-03
19Claude Opus 5max50.865.02026-07-24
20GPT-6.1 Solhigh50.263.42026-09-29
21Claude Opus 5xhigh49.760.12026-07-24
22Claude Fable 5max49.665.12026-06-09
23GPT-6 Astramedium49.664.42026-09-03
24Claude Fable 5.1medium48.961.72026-09-01
25Claude Opus 5high48.164.42026-07-24
26GPT-6.1 Terramax48.164.12026-10-26
27Muse Spark 1.3max48.160.62026-09-02
28GPT-6.1 Solmedium47.862.72026-09-29
29GPT-6 Solmax47.662.62026-09-22
30GPT-5.6 Solmax47.065.32026-07-09
31Claude Fable 5.1low46.858.82026-09-01
32Claude Sonnet 5.5high46.859.52026-09-28
33Grok 4.7xhigh46.557.42026-09-21
34Grok 4.7high46.356.92026-09-21
35MiMo-V2.6-Pro46.357.52026-09-21
36GPT-6 Astralow45.862.02026-09-03
37Qwen3.8 Maxmax45.458.72026-09-02
38GPT-6.1 Terraxhigh45.460.02026-10-26
39DeepSeek V4.1 Flash 1017max45.157.72026-10-17
40Muse Spark 1.3xhigh45.158.12026-09-02
41Claude Opus 5medium44.857.52026-07-24
42GLM 5.3max44.858.82026-08-18
43Grok 4.6high44.360.62026-08-12
44GPT-6 Solxhigh44.258.42026-09-22
45Grok 4.6xhigh44.256.12026-08-12
46GPT-5.6 Solxhigh44.063.92026-07-09
47Ling 3.1 Flash43.950.82026-10-22
48GPT-6.1 Terrahigh43.959.62026-10-26
49Step 5 Preview43.756.02026-09-18
50Kimi K3max43.660.22026-07-16
51Claude Haiku 5.5max43.455.32026-10-07
52Grok 4.6medium42.859.42026-08-12
53MiniMax M3.1 Flash42.754.32026-10-19
54GPT-6 Solhigh42.458.12026-09-22
55GPT-5.6 Solhigh42.463.42026-07-09
56Claude Opus 5.5low42.358.92026-09-22
57Grok 4.7low42.255.42026-09-21
58GPT-6.1 Sollow42.160.02026-09-29
59GPT-5.6 Terramax42.159.52026-07-09
60GLM 5.3 Flash41.857.82026-08-26

更多综合基准测试 · 全部大模型基准测试

引用格式:BenchLeader,《AA Intelligence Index v4.3.2 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/aa_intelligence_index。

AA Intelligence Index v4.3.2:常见问题

AA Intelligence Index v4.3.2 衡量的是什么?
Artificial Analysis 的 Intelligence Index v4.3.2:由其自行运行的评测组成的综合指标,包括 GPQA Diamond、Humanity's Last Exam、IFBench、AA-LCR、τ²-Bench Telecom、Terminal-Bench Hard、SciCode 和 AA-Omniscience,每项都在固定的测试框架中运行。分数以发布方自有标尺上的分数表示,越高越好。
AA Intelligence Index v4.3.2 的最高分是多少?
截至 2026年11月16日,AA Intelligence Index v4.3.2 的最高分为 57.6,由 Claude Opus 5.5 取得(结果日期 2026年9月22日),领先于 Claude Sonnet 5.5(56)。分数来自 Artificial Analysis,每天重新读取。
哪个 AI 模型在 AA Intelligence Index v4.3.2 上领先?
截至 2026年11月16日,AA Intelligence Index v4.3.2 排名第一的是 Claude Opus 5.5,分数为 57.6(结果日期 2026年9月22日)。其后为 Claude Sonnet 5.5(56)。
有多少模型有 AA Intelligence Index v4.3.2 结果?
BenchLeader 上有 643 个模型配置有 AA Intelligence Index v4.3.2 结果,全部取自 Artificial Analysis。
AA Intelligence Index v4.3.2 由谁运行,多久更新一次?
AA Intelligence Index v4.3.2 由 Artificial Analysis 发布。BenchLeader 每天重新读取一次公布的结果,并记录每个结果的发布日期。
AA Intelligence Index v4.3.2 是否计入 BenchLeader Index?
不计入。AA Intelligence Index v4.3.2 仅作参考展示,不计入综合分数。